变量施肥是精准农业的重要组成部分,非线性、大惯性和参数时变性是影响水肥一体化控制系统精度和稳态性能的关键因素。PID控制算法因其简单方便而被人们广泛应用于工农业领域中,但往往很难达到理想的控制效果。灰狼优化算法(Gray Wolf O...变量施肥是精准农业的重要组成部分,非线性、大惯性和参数时变性是影响水肥一体化控制系统精度和稳态性能的关键因素。PID控制算法因其简单方便而被人们广泛应用于工农业领域中,但往往很难达到理想的控制效果。灰狼优化算法(Gray Wolf Optimization Algorithm, GWO)是一种参数设置少且收敛性能好的群体智能优化算法,但在迭代过程中容易陷入局部最优解。为此,通过在标准GWO算法中引入遗传交叉和变异算子,结合佳点集方法,提出一种改进的新型灰狼智能优化算法(Genetic–Grey Wolf Optimization algorithm, GGWO),并将改进的遗传-灰狼优化算法应用于水肥一体化控制系统的PID控制中。以液肥控制系统为研究对象,建立相应的负反馈控制系统数学模型,分别采用常规PID控制、基于GWO的PID控制以及基于GGWO的PID等3种不同控制方法并用MatLab对其进行仿真,并对比分析了各控制方法下的系统性能指标。仿真结果表明:基于GGWO的PID控制在系统的上升时间、调节时间和适应值等性能指标上都优于其它两种控制方法,在系统的精度、均匀性、鲁棒性和稳态性能上实现了更好的控制效果,不仅满足了精准农业的作业要求,而且为后续研究打下了基础。展开更多
文摘变量施肥是精准农业的重要组成部分,非线性、大惯性和参数时变性是影响水肥一体化控制系统精度和稳态性能的关键因素。PID控制算法因其简单方便而被人们广泛应用于工农业领域中,但往往很难达到理想的控制效果。灰狼优化算法(Gray Wolf Optimization Algorithm, GWO)是一种参数设置少且收敛性能好的群体智能优化算法,但在迭代过程中容易陷入局部最优解。为此,通过在标准GWO算法中引入遗传交叉和变异算子,结合佳点集方法,提出一种改进的新型灰狼智能优化算法(Genetic–Grey Wolf Optimization algorithm, GGWO),并将改进的遗传-灰狼优化算法应用于水肥一体化控制系统的PID控制中。以液肥控制系统为研究对象,建立相应的负反馈控制系统数学模型,分别采用常规PID控制、基于GWO的PID控制以及基于GGWO的PID等3种不同控制方法并用MatLab对其进行仿真,并对比分析了各控制方法下的系统性能指标。仿真结果表明:基于GGWO的PID控制在系统的上升时间、调节时间和适应值等性能指标上都优于其它两种控制方法,在系统的精度、均匀性、鲁棒性和稳态性能上实现了更好的控制效果,不仅满足了精准农业的作业要求,而且为后续研究打下了基础。
